文章目录什么是火焰图为什么叫 Flame火焰在 Agent 系统里的“火焰图思维”它也有“推理调用栈”Agent 火焰图能看什么1. Token 消耗热点2. Tool 调用热点3. 错误传播路径4. Retry 风暴5. Context 膨胀为什么 Agent 特别需要火焰图一个 Agent 火焰图例子更深一层理解总结“火焰图Flame Graph”原本是性能分析里的概念但放到 AI Agent 容错设计里其实也非常有启发。先说经典定义。什么是火焰图火焰图是用来展示“程序执行时间主要耗在哪”的可视化。横轴不是时间而是资源占比通常 CPU 时间纵轴调用栈深度call stack一个块越宽说明耗时越多一个块越高说明调用层级越深为什么叫 Flame火焰因为多层堆叠顶部尖看起来像火苗在 Agent 系统里的“火焰图思维”现在有意思的来了。AI Agent 虽然不是传统程序但它也有“推理调用栈”例如User Goal → Planning → Search → Retrieval → Rerank → Tool Use → Browser → API → Reflection这其实已经是Cognitive Call Stack认知调用栈.因此Agent 也非常适合火焰图分析。Agent 火焰图能看什么1. Token 消耗热点例如70% token 都浪费在 Reflection说明self-critic 过重prompt 冗余recursion 太深这是很多 Agent 最大问题。2. Tool 调用热点例如Agent: search → search → search → search说明agent 卡在探索循环典型问题不收敛不敢决策context 污染3. 错误传播路径例如错误 query → retrieval 错 → planning 偏 → execution 崩火焰图能直接看到哪一步最先开始漂移这对容错特别关键。4. Retry 风暴Agent 很容易失败 → retry → 再失败 → 再 retry形成recursive retry explosion火焰图会非常明显retry() retry() retry() retry()这在生产环境里很常见。5. Context 膨胀很多 Agent思考 → reflection → 再思考 → 再总结 → 再critic最后token 爆炸latency 爆炸attention 稀释火焰图会看到某些 cognitive branch 极宽为什么 Agent 特别需要火焰图因为 Agent 的复杂度不是代码复杂度而是推理复杂度传统日志很难看懂Step 84: Thinking...但火焰图能直观看到哪里耗时哪里递归哪里失控哪里 token 爆炸哪里循环一个 Agent 火焰图例子例如User Ask ├── Planner (10%) │ ├── Search Loop (45%) │ ├── Retrieval │ ├── Retry │ ├── Retry │ └── Retry │ ├── Reflection (30%) │ ├── Self Critic │ └── Re-plan │ └── Final Answer (15%)你会立刻发现Search Loop 有问题不是模型不聪明。而是retrieval strategy 崩了stopping condition 缺失所以在 Agent Engineering 里火焰图其实变成 Agent ObservabilityAgent 可观测性的重要组成部分。现代 Agent Infra 都在做TraceSpanStep TreeToken TimelineTool GraphCognitive Flame Graph例如LangSmithHeliconeOpenTelemetryAgentOpsArize PhoenixLangfuse本质都在解决“Agent 到底在干嘛”更深一层理解传统火焰图CPU 在哪里消耗Agent 火焰图Attention 在哪里消耗这是本质区别。因为 LLM 最大资源不是 CPU而是 Context Attention。总结在 AI Agent 里火焰图已经从“程序性能分析工具”进化成“认知过程可观测工具”它帮助我们看到Agent 为什么慢为什么贵为什么漂移为什么不收敛为什么疯狂 retry为什么 hallucinate本质是在分析Agent 的“思维耗散路径”。
WHAT - Agent 火焰图分析
文章目录什么是火焰图为什么叫 Flame火焰在 Agent 系统里的“火焰图思维”它也有“推理调用栈”Agent 火焰图能看什么1. Token 消耗热点2. Tool 调用热点3. 错误传播路径4. Retry 风暴5. Context 膨胀为什么 Agent 特别需要火焰图一个 Agent 火焰图例子更深一层理解总结“火焰图Flame Graph”原本是性能分析里的概念但放到 AI Agent 容错设计里其实也非常有启发。先说经典定义。什么是火焰图火焰图是用来展示“程序执行时间主要耗在哪”的可视化。横轴不是时间而是资源占比通常 CPU 时间纵轴调用栈深度call stack一个块越宽说明耗时越多一个块越高说明调用层级越深为什么叫 Flame火焰因为多层堆叠顶部尖看起来像火苗在 Agent 系统里的“火焰图思维”现在有意思的来了。AI Agent 虽然不是传统程序但它也有“推理调用栈”例如User Goal → Planning → Search → Retrieval → Rerank → Tool Use → Browser → API → Reflection这其实已经是Cognitive Call Stack认知调用栈.因此Agent 也非常适合火焰图分析。Agent 火焰图能看什么1. Token 消耗热点例如70% token 都浪费在 Reflection说明self-critic 过重prompt 冗余recursion 太深这是很多 Agent 最大问题。2. Tool 调用热点例如Agent: search → search → search → search说明agent 卡在探索循环典型问题不收敛不敢决策context 污染3. 错误传播路径例如错误 query → retrieval 错 → planning 偏 → execution 崩火焰图能直接看到哪一步最先开始漂移这对容错特别关键。4. Retry 风暴Agent 很容易失败 → retry → 再失败 → 再 retry形成recursive retry explosion火焰图会非常明显retry() retry() retry() retry()这在生产环境里很常见。5. Context 膨胀很多 Agent思考 → reflection → 再思考 → 再总结 → 再critic最后token 爆炸latency 爆炸attention 稀释火焰图会看到某些 cognitive branch 极宽为什么 Agent 特别需要火焰图因为 Agent 的复杂度不是代码复杂度而是推理复杂度传统日志很难看懂Step 84: Thinking...但火焰图能直观看到哪里耗时哪里递归哪里失控哪里 token 爆炸哪里循环一个 Agent 火焰图例子例如User Ask ├── Planner (10%) │ ├── Search Loop (45%) │ ├── Retrieval │ ├── Retry │ ├── Retry │ └── Retry │ ├── Reflection (30%) │ ├── Self Critic │ └── Re-plan │ └── Final Answer (15%)你会立刻发现Search Loop 有问题不是模型不聪明。而是retrieval strategy 崩了stopping condition 缺失所以在 Agent Engineering 里火焰图其实变成 Agent ObservabilityAgent 可观测性的重要组成部分。现代 Agent Infra 都在做TraceSpanStep TreeToken TimelineTool GraphCognitive Flame Graph例如LangSmithHeliconeOpenTelemetryAgentOpsArize PhoenixLangfuse本质都在解决“Agent 到底在干嘛”更深一层理解传统火焰图CPU 在哪里消耗Agent 火焰图Attention 在哪里消耗这是本质区别。因为 LLM 最大资源不是 CPU而是 Context Attention。总结在 AI Agent 里火焰图已经从“程序性能分析工具”进化成“认知过程可观测工具”它帮助我们看到Agent 为什么慢为什么贵为什么漂移为什么不收敛为什么疯狂 retry为什么 hallucinate本质是在分析Agent 的“思维耗散路径”。
